El rápido avance de la tecnología ha llevado a una acumulación sostenida de documentos de patentes a nivel mundial, ya que las nuevas solicitudes presentadas se suman a un repositorio en constante expansión de arte previo. La necesidad de innovación y progreso dentro del sistema de patentes subraya la importancia de una investigación de patentes sólida, que incluye búsquedas de arte previo. La rápida expansión del ámbito de las patentes plantea desafíos para los expertos que emplean prácticas cualitativas convencionales para manejar las crecientes necesidades cuantitativas. En este estudio, proponemos un método novedoso para mejorar la búsqueda de arte previo de patentes a través de la integración de técnicas avanzadas de procesamiento de lenguaje natural (NLP). Nuestro enfoque aprovecha el resumen y los términos principales de los documentos de patentes para generar un conjunto único de bases de datos etiquetadas. Esta base de datos se utiliza luego para entrenar Representaciones de Codificadores Bidireccionales de Transformadores (BERT) para patentes, lo que permite búsquedas de arte previo específicas del dominio. Probar nuestro método en la Base de Datos de Patentes Públicas de Google dio como resultado una puntuación F1 mejorada de 0.94 en los datos de prueba. No solo nuestro método demuestra una precisión superior en comparación con enfoques de referencia, sino que también exhibe una mayor eficiencia computacional. La búsqueda refinada de arte previo promete proporcionar una valiosa asistencia a los especialistas en sus procesos de toma de decisiones, ofreciendo análisis perspicaces e información relevante que puede aumentar significativamente la eficiencia y precisión de sus juicios.